Holly Grant, SVP, Strategy & Innovation, DXC Technology – Série d’entretiens

Holly Grant, SVP, Strategy & Innovation chez DXC Technology, est une dirigeante de la technologie et des opérations avec une expérience approfondie dans la stratégie d’intelligence artificielle d’entreprise, la fintech, le leadership de startups et la transformation opérationnelle. Chez DXC, elle aide à façonner les initiatives d’innovation « AI-first » de l’entreprise, notamment l’orchestration de l’IA à l’échelle de l’entreprise, les services consultatifs et les efforts d’incubation de produits conçus pour aider les organisations à passer des pilotes expérimentaux d’IA à un déploiement opérationnel. Avant DXC, elle a occupé plusieurs postes de direction au Long-Term Stock Exchange (LTSE), où elle a finalement servi en tant que directrice des opérations, se concentrant sur la croissance opérationnelle et la croissance stratégique dans le secteur de la fintech.

DXC Technology est une société de services et de conseil en technologie de l’information mondiale qui se concentre sur l’aide aux entreprises pour moderniser les systèmes critiques de mission à l’échelle du cloud, de la cybersécurité, de l’intelligence artificielle, de l’infrastructure de données et des opérations d’entreprise. Issue de la fusion de Computer Sciences Corporation et de la division des services d’entreprise de Hewlett Packard Enterprise, la société travaille avec des organisations dans diverses industries, notamment les soins de santé, la banque, la fabrication, l’assurance et le gouvernement. Ces dernières années, DXC s’est de plus en plus positionnée autour de la transformation d’entreprise native AI, offrant des services qui intègrent l’IA générative, l’automatisation intelligente, l’observabilité, les jumeaux numériques et la modernisation de l’IT à grande échelle dans des environnements d’entreprise complexes. La société met également l’accent sur des modèles opérationnels « AI-first » conçus pour aider les entreprises à déployer l’IA de manière sécurisée dans les infrastructures existantes plutôt que de remplacer entièrement les systèmes hérités.

Vous avez construit une carrière à l’intersection de la stratégie, des opérations et de l’innovation – de la mise à l’échelle des organisations plus tôt dans votre carrière à la direction de la stratégie et de l’innovation chez DXC. Comment ces expériences ont-elles façonné votre approche du lancement de LabX et de la conception d’un environnement d’incubation d’IA axé sur l’impact commercial réel ?

Ma carrière m’a emmené à travers des bureaux familiaux, des startups, des capitaux de risque et maintenant une entreprise Fortune 500 en pleine reconversion. Ce que j’ai vu dans tous ces environnements, c’est que les idées ne fonctionnent pas toutes seules. Celles qui créent vraiment de la valeur partagent trois choses : un client réel qui les soutient, le bon moment sur le marché et une portée claire et étroite. Manquez l’un de ces éléments et même une idée géniale stagne.

Ce modèle a façonné ma réflexion sur LabX. Vous avez besoin d’une théorie de la victoire – une stratégie réelle – mais vous avez également besoin de la force opérationnelle pour la concrétiser, et de la discipline pour s’adapter à mesure que vous apprenez et que les conditions changent. La stratégie sans exécution est un deck. L’exécution sans stratégie est un mouvement sans progrès. LabX est conçu pour tenir les deux à la fois.

Sous la direction de notre PDG Raul Fernandez, DXC a placé la maîtrise de l’IA et l’innovation au cœur de notre stratégie de reconversion. LabX est la façon dont nous traduisons cette conviction en produits, capacités et résultats pour les clients – suffisamment rapidement pour avoir de l’importance.

De nombreuses entreprises expérimentent l’IA mais ont du mal à passer des pilotes à la production. D’après ce que vous voyez chez DXC, quels sont les plus grands obstacles qui empêchent les organisations de mettre l’IA à l’échelle au-delà des projets de preuve de concept ?

Deux obstacles se présentent à nouveau et encore, et aucun d’entre eux n’est vraiment lié à la technologie.

Le premier est la gestion du changement. L’IA change la façon dont les gens travaillent, ce pour quoi ils sont responsables et la façon dont les décisions sont prises. Si vous n’impliquez pas votre main-d’œuvre, le modèle le plus élégant du monde restera inutilisé. Le second est que les entreprises commencent à mettre l’IA à l’échelle sans changer le modèle opérationnel sous-jacent. Ils greffent l’intelligence sur un système ou une application spécifique afin qu’un utilisateur puisse l’utiliser, mais le reste de l’équipe ne peut pas. L’IA est une intelligence horizontale – elle crée la plus grande valeur lorsqu’elle peut se déplacer à travers les fonctions, les données et les flux de travail. Lorsque le modèle opérationnel ne change pas, cette valeur reste piégée localement au lieu de se cumuler à l’échelle de l’entreprise.

Donc, le pilote fonctionne, tout le monde célèbre, et rien ne se déploie réellement. C’est le modèle que nous essayons de briser à LabX en concevant des déblocages à l’échelle de l’entreprise dès le premier jour.

LabX fonctionne sur un cycle de concept à MVP rapide d’environ 90 jours ou moins. Quels changements de mentalité, de gouvernance ou de processus de développement sont nécessaires pour que les grandes entreprises puissent se déplacer à ce rythme ?

Le plus grand changement de mentalité est d’être prêt à décider plus tôt avec moins d’informations parfaites – et la discipline de couper ce qui ne fonctionne pas. Les grandes entreprises s’habituent aux longs cycles de planification parce qu’elles se sentent en sécurité. Elles ne le sont pas. Dans un marché qui bouge aussi vite, un « oui » lent et un « non » lent sont tous deux coûteux.

À l’intérieur de LabX, nous assignons une petite triade – conception, produit et ingénierie – pour exécuter un sprint contre un problème réel de client. Ils construisent un produit minimum viable, le testent pour la valeur et la mise à l’échelle, et nous faisons passer les idées qui montrent un potentiel commercial dans les 90 jours. Ce qui rend cette vitesse possible n’est pas l’absence de gouvernance, c’est la présence de la bonne gouvernance. La sécurité, la confidentialité, la conformité et la validation de l’IA responsable font partie du processus dès le premier jour, et non ajoutées à la fin. Chaque produit passe par un examen de gouvernance formel avant de se mettre à l’échelle.

Pour la plupart des entreprises, arriver à ce type de cadence nécessite de protéger un espace où il est légitime de bouger de cette façon – sans forcer chaque expérience à passer par le même cycle de temps qu’un projet de plate-forme sur plusieurs années. C’est à cela que sert LabX pour nous.

DXC décrit LabX comme un moyen de valider des concepts d’IA à fort potentiel avec les clients avant de les mettre à l’échelle. Comment cette approche « Client Zero » aide-t-elle à garantir que les solutions d’IA sont ancrées dans les besoins opérationnels réels plutôt que dans des cas d’utilisation théoriques ?

Client Zero est, honnêtement, notre avantage. Avant qu’un produit LabX ne soit mis sur le marché, il doit d’abord survivre chez DXC. Nous gérons 115 000 employés dans 70 pays, des industries réglementées, des contrats de clients complexes, des systèmes hérités et des enjeux opérationnels réels. Ce n’est pas un environnement de démonstration stérile – c’est la réalité de l’entreprise.

Une startup traditionnelle peut bouger rapidement, mais elle ne peut pas facilement reproduire l’expérience vécue de fonctionner à l’intérieur d’une telle complexité. Lorsque nous testons un produit sur nous-mêmes d’abord, nous trouvons les endroits où il se brise sur des données réelles, des flux de travail réels et des contraintes réglementaires réelles – des choses qui auraient surface dans un environnement client six mois plus tard. Lorsque nous apportons une offre à un client, nous ne vendons pas une théorie. Nous pouvons dire : « Voici ce qu’il a fait dans nos propres opérations, voici ce que nous avons changé, voici ce que nous avons mesuré. »

Cela nous garde également honnêtes. Si un produit ne peut pas se prouver à l’interne, il ne passe pas. C’est une barre beaucoup plus élevée que de dire « cela a fonctionné dans une démo ».

Les environnements d’entreprise sont souvent remplis de systèmes hérités, de données fragmentées et de contraintes réglementaires. Comment concevez-vous des flux de travail d’IA qui peuvent fonctionner efficacement dans cette complexité réelle ?

Nous partons de l’hypothèse que l’environnement est complexe – c’est la base, et non l’exception.

Sur le plan architectural, nous travaillons avec une approche décomposée de nos plateformes. Les outils d’IA de pointe changent mensuellement, et non annuellement. Si vous vous branchez sur un seul modèle, un fournisseur ou un cadre, vous pariez que le leader d’aujourd’hui sera toujours le leader dans 18 mois. C’est un mauvais pari. Une architecture décomposée nous permet de remplacer les composants à mesure que la frontière évolue, de rester fluents avec ce qui est réellement le meilleur de la classe, et de tester les outils contre des défis de clients réels plutôt que contre le marketing des fournisseurs.

Sur le côté réglementaire et des données, la conformité est conçue dès le premier jour. Chaque produit passe par un examen de gouvernance, et la validation de l’IA responsable fait partie du processus, et non une après-pensée. Fonctionner dans des industries réglementées à travers 70 pays nous impose cette discipline – ce qui s’avère être une fonctionnalité, et non un bogue, lorsque nous apportons des produits à des clients ayant les mêmes contraintes.

Les modèles de conseil traditionnels en TI reposaient sur de longs cycles de planification et des cadres de mise en œuvre rigides. À mesure que l’IA évolue plus rapidement que ces cycles ne peuvent l’accompagner, comment les modèles de conseil doivent-ils changer ?

La réponse honnête est que tout le modèle doit changer, mais si je devais choisir l’élément clé, c’est la proposition de valeur. L’industrie a passé des décennies à vendre des livrables – des présentations, des feuilles de route, des plans de mise en œuvre – et à se faire payer pour l’effort. Dans un monde d’IA native, les clients ne veulent pas d’un livrable. Ils veulent un résultat. Ils veulent que le flux de travail fonctionne réellement, que le coût diminue réellement, que le chiffre d’affaires se présente réellement.

Une fois que vous vous engagez à vendre des résultats, tout le reste doit changer pour les soutenir. La composition de l’équipe devient plus technique. Les engagements passent de « conseiller et partir » à « construire et exploiter ». La tarification s’éloigne des heures. Les personnes qui font le travail doivent être aussi à l’aise pour expédier du code que pour diriger un comité de pilotage.

C’est un grand changement culturel pour notre industrie, et tout le monde ne va pas y arriver. Les sociétés qui y parviendront ressembleront très différemment dans cinq ans à ce qu’elles sont aujourd’hui.

LabX fonctionne également comme un environnement d’expérimentation pour les employés et les partenaires technologiques. Quelle est l’importance de l’expérimentation interne lorsqu’il s’agit de construire une maîtrise de l’IA à l’échelle de l’organisation ?

C’est le jeu. Vous ne construisez pas la maîtrise de l’IA en lisant sur l’IA – vous la construisez en essayant des choses, en les regardant se briser, et en les réessayant. C’est aussi vrai pour un professionnel de l’IT de 30 ans que pour quelqu’un qui a deux ans d’école.

Nous avons récemment lancé un défi d’IA au sein de l’une de nos unités commerciales et avons obtenu plus de 1 300 idées uniques en deux semaines. Ce n’est pas une statistique sur un outil – c’est une statistique sur ce qui se passe lorsque vous donnez aux gens la permission de penser en dehors de la boîte. La créativité existe déjà au sein de l’organisation. Notre travail est de créer l’espace pour qu’elle grandisse.

LabX exécute également un programme de rotation : des experts techniques de toute la DXC passent six à douze semaines intégrés à nous, construisant de vrais produits avec les derniers outils d’IA. Lorsqu’ils retournent à leurs équipes, ils apportent un nouvel ensemble de compétences et, plus important encore, une nouvelle façon de penser. Ils commencent à poser des questions différentes à leurs collègues et à leurs clients. Ils deviennent des champions de ce qui est possible. Cet effet de composition à travers la main-d’œuvre vaut plus que n’importe quel produit que nous expédions.

DXC présente son approche comme Human+, en mettant l’accent sur le fait que l’IA devrait étendre les capacités humaines plutôt que les remplacer. Dans les termes pratiques, comment cette philosophie influence-t-elle la conception et le déploiement de solutions d’IA au sein des entreprises ?

Je serai direct : il y a une vision qui se propage dans l’industrie selon laquelle la chose la plus précieuse que l’IA d’entreprise peut faire pour une société est de réduire les effectifs. Je pense que c’est un échec d’imagination.

La discipline de coût compte, mais l’opportunité réelle est la croissance : de nouveaux flux de revenus, de nouveaux produits, de nouvelles offres de services qui n’étaient simplement pas possibles avant. Le cas d’utilisation le plus précieux de l’IA est de permettre aux gens de faire du travail qui crée de nouvelle valeur commerciale, et non seulement d’optimiser ce qui existe déjà. Les sociétés qui réussissent cela surpasseront celles qui traitent l’IA comme un simple exercice de coût.

Dans la pratique, Human+ signifie que nous concevons l’IA pour gérer les processus à haute volumétrie et routine afin que nos personnes puissent se concentrer sur un travail à plus forte valeur : la pensée stratégique, la résolution de problèmes créatifs, les relations avec les clients et les appels de jugement complexes. Nous gardons l’expertise et la supervision humaines au centre de chaque déploiement, en particulier lorsque les décisions ont de réelles conséquences. C’est ainsi que vous construisez la confiance avec les clients, et c’est ainsi que vous débloquez un avantage concurrentiel durable.

Lorsque les organisations tentent d’intégrer l’IA dans les flux de travail existants, quels sont les erreurs courantes que vous voyez qui ralentissent l’adoption ou limitent la valeur commerciale réelle ?

Deux erreurs que je vois constamment. La première est de commencer par la technologie plutôt que par le problème. Quelqu’un tombe amoureux d’un modèle ou d’une démo de fournisseur, et l’initiative devient le déploiement de cette chose plutôt que de résoudre quelque chose qui compte réellement pour l’entreprise. La seconde est de traiter l’IA comme un projet TI plutôt que comme une transformation commerciale. Si vous confiez l’IA entièrement au CIO et demandez au reste de l’entreprise de continuer à fonctionner inchangé, vous obtiendrez un outil que personne n’utilise et un budget que personne ne veut défendre l’année prochaine.

L’antidote à ces deux erreurs est simple à dire et difficile à faire : commencez par le problème commercial, mettez la bonne équipe transversale dessus – personnes, processus, technologie – et construisez à rebours du résultat que vous essayez de créer. C’est l’attitude que nous adoptons à LabX, et c’est ainsi que nous travaillons avec des clients comme Ferrovial, où nous avons aidé à déployer AI Workbench – une offre d’IA générative combinant le conseil, l’ingénierie et les services d’entreprise sécurisés, désormais utilisée par plus de 24 000 employés avec plus de 30 agents d’IA prenant des décisions en temps réel. Ce type d’échelle ne se produit pas si vous traitez cela comme un projet TI.

En regardant vers l’avenir, comment vous attendez-vous à ce que les environnements d’incubation d’IA comme LabX façonnent la façon dont les entreprises développent, testent et déploient de nouvelles technologies au cours des prochaines années ?

Voici ce que je pense qui sera évident en regardant en arrière : les gagnants de cette ère ne seront pas les sociétés avec les solutions point les plus flash. Ils seront les intégrateurs – ceux qui peuvent coudre l’IA à travers les modèles opérationnels, à travers les fonctions et à travers les flux de travail afin que l’intelligence ne soit pas piégée dans un seul outil ou sur un seul écran d’utilisateur.

C’est un problème plus difficile que le déploiement d’un modèle. Cela nécessite un contexte d’entreprise profond, la capacité de travailler sur les systèmes hérités et modernes, et la discipline de changer la façon dont le travail est réellement effectué. C’est également l’opportunité dont je suis le plus enthousiaste.

Les environnements d’incubation comme LabX sont notre façon de faire des répétitions. Ce sont les endroits où vous apprenez ce qui se brise à l’échelle, ce à quoi ressemble réellement la gouvernance en pratique, et ce que les clients adopteront ou non. Les entreprises qui investissent dans ce type d’espace maintenant – internement ou par le biais de partenaires – auront une courbe de capacité très différente dans trois ans que celles qui décident encore si cela vaut la peine. Et ceux d’entre nous qui construisent dans cet espace continueront à trouver de nouveaux problèmes à résoudre, car la technologie ne ralentit pas et ni ne ralentit l’opportunité.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter DXC Technology.